WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     |
|
1

На правах рукописи

Кирсанова Анна Владиславна АВТОМАТИЗИРОВАННАЯ СИСТЕМА ДИАГНОСТИКИ НОВООБРАЗОВАНИЙ ГОЛОВНОГО МОЗГА ПО МАГНИТНО-РЕЗОНАНСНЫМ ИЗОБРАЖЕНИЯМ.

Специальность 05.11.17 – Приборы, системы и изделия медицинского назначения.

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург 2010 2

Работа выполнена в Тверском государственном техническом университете.

Научный консультант:

доктор технических наук, профессор Г.А. Дмитриев

Официальные оппоненты:

доктор технических наук, профессор В.В. Шаповалов кандидат технических наук, доцент В. А. Биллиг Ведущая организация – Рязанский государственный радиотехнический университет

Защита состоится «_» _ 2010 г. в часов на заседании совета по защите докторских и кандидатских диссертаций Д 212.238.09 СанктПетербургского государственного электротехнического университета «ЛЭТИ» имени В.И.Ульянова (Ленина) по адресу: 197376, Санкт-Петербург, ул. Проф.

Попова, 5.

С диссертацией можно ознакомиться в библиотеке университета.

Автореферат разослан «_» декабря 2009 г.

Ученый секретарь совета по защите докторских и кандидатских диссертаций Болсунов К.Н.

3

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. За последнее время в связи с ростом индустриальной оснащенности человечества, с ухудшением экологической обстановки, резко возросло количество опухолевых заболеваний. Одними из самых серьезных являются опухоли головного мозга, поражающие центральную нервную систему и нарушающие важные функции организма.

По данным НИИ им. Бурденко за 2008г. процент нахождения опухолей среди пациентов, обратившихся с жалобами к невропатологу, составляет порядка 7-8%, причем с каждым годом этот процент постепенно растет. В связи с этим встает необходимость раннего выявления и точной диагностики опухолей головного мозга. Это также объясняется особой тяжестью этих заболеваний изза локализации объемного процесса в области мозговых центров и труднодоступностью для хирургического вмешательства.

На сегодняшний день существует множество способов исследования головного мозга, но наибольшим преимуществом в диагностике опухолей мозга обладает магнитно-резонансная томография. При проведении обследования на томографе, врач получает возможность исследовать структурные и патологические изменения, четко оценить локализацию и распространенность патологии, определить ее характер и воздействие на прилежащие структуры мозга.

Из-за большого разнообразия опухолей и их признаков на томограммах головного мозга, а также в связи с проблемой распознавания их среди других заболеваний, диагностика новообразований является трудоемким процессом, требующим от врача больших временных затрат. Это связано с чтением справочной литературы, а также с частой необходимостью консультаций с другими докторами. Так же сложность составляет то, что поиск аномальных зон на томограммах осуществляется визуальным способом. При наличии малоконтрастных объектов на изображении их легко пропустить.

Сложность и трудоемкость диагностики новообразований головного мозга требует разработки новых алгоритмов и программных средств обработки и анализа данных, получаемых с магнитно-резонансных изображений, с целью повышения достоверности поставленного диагноза. Это позволит повысить качество диагностики и снизить вероятность возникновения врачебных ошибок, что напрямую повлияет на дальнейшее лечение и позволит сократить количество смертельных случаев от этих заболеваний.

В связи с вышеизложенным, становится актуальной создание системы поддержки принятия решений врача-радиолога при диагностике новообразований головного мозга, которая помимо советов пользователю-врачу будет выполнять функцию распознавания области патологического сигнала на томограмме и определять характеристики этой области.

Цель работы. Разработка методов и алгоритмов для системы поддержки принятия решений врача-радиолога, обеспечивающих повышение качества диагностики новообразований головного мозга за счет применения методов распознавания образов и компьютерного анализа данных.

Для достижения поставленной цели необходимо решить следующие задачи:

- проанализировать пути повышения эффективности диагностики опухолей головного мозга, рассмотрев диагностический процесс с точки зрения системного анализа;

- сформировать набор признаков, позволяющий выявлять новообразования среди других заболеваний головного мозга;

- разработать методы выделения области патологии на томограмме;

- разработать алгоритмы определения основных характеристик найденной патологии;

- разработать автоматизированную систему поддержки принятия решений для врача-радиолога, включающую методы распознавания томограмм головного мозга и алгоритмы анализа данных;

- провести оценку работы предложенных методов и алгоритмов на контрольных выборках.

Объектом исследования является автоматизированная система диагностики новообразований головного мозга по магнитно-резонансным томограммам.

Предметом исследования является информационное, методическое и программно-алгоритмическое обеспечение системы.

Методы исследований. Для решения поставленных задач использовались методы системного анализа, распознавания образов и обработки изображений, экспертного оценивания, основные положения теории вероятности, математической статистики и деревья решений.

Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:

- метод выделения очага повышения сигнала на томограммах головы, заключающийся в выделении области вещества мозга от окружающих его тканей черепа и анализе крутизны спада гистограммы яркости изображения.

- метод выделения патологии среди других структур головного мозга с повышенным сигналом на томограмме, отличающийся учетом априорной информации о признаках нормальных анатомических структур мозга.

- алгоритмы определения основных характеристик патологической зоны на томограмме, отличающиеся обработкой патологических очагов на серии томограмм головного мозга, а также подсчетом количества этих очагов во всем мозге. Определение характеристик осуществляется с учетом всех импульсных последовательностей, использующихся при сканировании головного мозга.

- алгоритм построения дерева решений, основанный на отделении от общей выборки групп наблюдений по критерию максимальной однородности, отличающийся улучшенным критерием ветвления, способом обработки пропущенных значений и высокой скоростью работы на больших объемах трудно формализуемых данных.

Практическая значимость. Разработанные методы и алгоритмы составили основу построения автоматизированной системы поддержки принятия решений, применение которой в процессе диагностики новообразований головного мозга позволяет повысить диагностическую эффективность и сократить время анализа.

Разработанный модуль распознавания патологии, практические испытания которого показали высокое качество выделения патологических структур головного мозга, помогает врачу обратить внимание на различные патологии, в том числе малоконтрастные и патологии малых размеров, что ведет к сокращению врачебных ошибок.

В рамках выявления характеристик патологии осуществляется распознавание субдуральной гематомы по специфическим признакам от других патологий головного мозга, что позволяет повысить практическую ценность системы и открыть новые пути дальнейшего ее совершенствования.

Научное положение, выносимое на защиту.

При разработке системы диагностики новообразований головного мозга по МРТ изображениям необходимо использовать методы выделения очага повышения сигнала и его характеристик на томограммах, а также алгоритмы интерпретации в виде деревьев решений, позволяющие повысить качество диагностики новообразований головного мозга.

Внедрение результатов работы.

Результаты работы внедрены в учебную деятельность кафедры хирургической стоматологии Тверской государственной медицинской академии, а также используются в учебном процессе кафедры автоматизации технологических процессов Тверского государственного технического университета при подготовке специалистов по направлениям 200401 - "Биотехнические и медицинские аппараты и системы" и 200402 - "Инженерное дело в медико-биологической практике".

Апробация работы. Основные положения и научные результаты диссертационной работы докладывались и обсуждались на следующих конференциях, совещаниях и семинарах: Всероссийской научно-технической конференции студентов, аспирантов и молодых ученых «Биомедсистемы» (Рязань 2007г.), ХХI Международной научной конференции «Математические методы в технике и технологиях» (Саратов, 2008г.), Международной конференции «Информационные технологии в образовании, технике и медицине» (Волгоград 2009г.), Всероссийской научной школе для молодежи “Биомедицинская инженерия”,«БМИ-2009» (Санкт-Петребург, ЛЭТИ), на VIII Всероссийской научно-практической конференции с международным участием "Информационные технологии и математическое моделирование" (ИТММ-2009, Томск).

Публикации. Основные теоретические и практические результаты диссертации опубликованы в 8 статьях и докладах, из них по теме диссертации 8, среди которых 1 публикация в ведущих рецензируемых изданиях, рекомендованных в действующем перечне ВАК, 1 статья в нерецензируемом журнале. докладов доложены и получили одобрение на международных, всероссийских и межвузовских научно-практических конференциях перечисленных в конце автореферата Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 87 отечественных и 28 зарубежных наименований. Работа изложена на 148 страницах машинописного текста, содержит 65 рисунков, 12 таблиц и одно приложение.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертационной работы, сформулированы цели и задачи исследования, научная новизна и практическая значимость, приводится краткое содержание работы по главам.

В первой главе рассмотрены общие положения и особенности диагностики новообразований головного мозга на магнитно-резонансном томографе.

Выполнен анализ состояния предметной области: рассмотрены методики исследования головного мозга, особенности получения томограмм, выполнен обзор существующих систем поддержки принятия решений в медицине, систем обработки медицинских изображений, выявлены их особенности и недостатки, выделены основные тенденции развития.

Проведен структурный анализ дифференциальной диагностики новообразований головного мозга, как процесса распознавания заболевания, проанализированы основные этапы диагностики. Составлен алгоритм диагностики новообразований головного мозга (рисунок 1).

Рисунок 1 - Алгоритм процесса диагностики новообразований головного мозга Проанализированы ошибки, возникающие на различных этапах алгоритма, и предложены пути автоматизации отдельных этапов диагностики – автоматизация задачи выявления признаков патологии и ее характеристик на томограммах, а так же автоматизация задачи интерпретации результатов исследований.

Выполнен функционально-структурный анализ систем поддержки принятия решений, применяемых для автоматизации различных этапов процесса диагностики. Выявлено отсутствие решений по автоматизации процесса диагностики новообразований головного мозга.

Разработана концепция архитектуры интеллектуальной системы исследования и диагностики новообразований головного мозга, Определен ее состав и функции подсистем.

Исходя из вышеописанной структуры процесса диагностики, можно выделить основные функции системы:

1) Выявление патологической зоны на томограммах головного мозга;

2) Распознавание характеристик патологической зоны на томограмме;

3) Выдвижение диагностической гипотезы.

Таким образом, в состав системы необходимо включить две функциональные подсистемы, одна из которых будет отвечать за обработку и анализ томограмм головного мозга и выполнять 1 и 2 функции, а другая будет осуществлять поддержку процесса принятия решения и выполнять 3 функцию, а так же обеспечивающую часть, предназначенную для ввода, поиска и представления информации в виде понятном пользователю.

Обосновано, что проблему повышения эффективности и качества дифференциальной диагностики образований головного мозга следует решать комплексно, путем создания интеллектуальной системы, интегрирующей функции и средства для решения задач исследования и диагностики – автоматизированное распознавание признаков новообразований на томограммах и методы анализа этих признаков и постановки диагностического заключения на их основе.

В заключение первой главы формируются цель и задачи исследования.

Вторая глава посвящена разработке методов для автоматизированного анализа томограмм головного мозга.

В связи со сложностью строения головного мозга и многообразием анатомических структур, процесс выделения патологической области на томограмме является сложной задачей.

Распознавание патологической области связано с рядом проблем:

Мягкие ткани головы и внутренняя часть черепа на томограммах, как и патология имеют повышенный сигнал по сравнению с веществом головного мозга, что затрудняет процесс нахождения патологической области.

Для решения этой проблемы предлагается метод обработки изображения, заключающийся в выделении только вещества головного мозга (рисунок 3).

Рисунок 3 – Методика распознавания области мозга на томограмме Обработка заключается в поиске пикселей с яркостью ниже пороговой < h, принадлежащих замкнутому контуру черепа, имеющего на томограмме низкий сигнал.

После нахождения контура происходит удаление с изображения всех структур принадлежащих контуру, а также структур находящихся снаружи. В итоге на изображении остается несколько объектов m.

Вычисление площадей объектов по формуле Sm regionprop y,`FilledArea`) s(Patholog Сравнение площадей объектов Sm и выбор объекта с наибольшей площадью, так как наибольшую площадь в голове занимает мозг.

Результаты работы предлагаемого метода представлены на рисунке 4.

Pages:     |
|



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.